摘要
随着工业4.0时代的来临，制造业正从传统的工业制造向更加灵活的智能制造转变，机器人作为智能制造的核心，也被提出了更高的要求，人机共融已成为机器人未来的发展方向。当人与机器人关系更为紧密的同时必须回归到最根本问题，即人机安全问题。 传统的机器人安全控制技术一般通过在机械臂末端安装六维力传感器来获取碰撞力，导致系统的成本上升。为了降低成本，本文将基于机械臂本体传感器来估计机械臂末端与环境的接触力。此外，碰撞检测和碰撞反应策略作为机器人安全控制技术的关键问题也是本课题的研究重点。 本文首先对机械臂运动学与动力学进行了研究。根据六自由度机械臂的机械结构建立了运动学模型并进行了正逆运动学分析；基于拉格朗日法建立了机器人动力学模型；设计了一整套参数辨识流程来识别动力学方程参数；在计算机器人动能时，考虑到杆件质量分布不均匀，采用了一种通过圆柱体组合的方式计算惯性张量的方法，提高了模型准确度。 其次，针对机械臂碰撞检测问题，分析了传统的基于力矩估计的碰撞检测方法，为了避免传统方法中复杂的调参过程，设计了一种基于神经网络的碰撞检测方法。通过搭建神经网络，将高维度关节信号提取和决策过程相结合，实现高效准确的碰撞检测。 然后，针对碰撞后的反应策略问题，分析了传统的阻抗控制策略，并探究了各个阻抗参数对控制性能的影响。考虑到阻抗参数的选定尚未有具体规则以及模糊系统的参数自整定特性，提出了一种基于模糊系统的变阻抗控制策略，通过引入模糊系统，实现了M，B和K三个阻抗参数根据机械臂期望位置和实际位置的差值E及变化率EC的在线调整。 最后通过MATLAB-VREP联合仿真及UR5机械臂实验证明了本课题解决了如下问题：一是基于机械臂本体传感器的接触力估计以及碰撞检测，降低了机器人安全系统成本；二是基于模糊变阻抗方法的碰撞反应策略能有效解决环境不确定性对系统性能的影响。
NETL